Kết quả thực hiện mơ phỏng với mạng có 1 cell

Một phần của tài liệu Ứng dụng machine learning trong việc tăng hiệu suất phổ hệ thống NOMA massive MIMO (Trang 58 - 62)

CHƯƠNG 4 : KẾT QUẢ THỰC HIỆN VÀ ĐÁNH GIÁ HIỆU QUẢ

4.3 Kết quả thực hiện mơ phỏng với mạng có 1 cell

Ta thực hiện mô phỏng với trường hợp với trường hợp 1 cell. Trong đó các thuê bao (UE) được phân bố theo 2 kiểu là: phân bố ngẫu nhiên xung quanh trạm thu phát (randomAngleCluster) và phân bố tập trung vào 1 góc phần tư trong vùng phủ của cell (4ClusterAngleConstrainst).

Với các trường hợp, ta thực hiện mô phỏng để đánh giá hiệu suất phổ UL mang lại khi thực hiện phân nhóm với số lượng nhóm lần lượt là 2 nhóm, 4 nhóm và 8 nhóm. Số UE ước lượng cho mỗi cell là [16,32,48,64]. Ta thực hiện đánh giá hiệu

suất phổ cho 4 trường hợp mMIMO cho hệ thống massive MIMO thuần túy, mMIMO-NOMA w/o grouping cho hệ thống massive MIMO kết hợp với NOMA

miền mã phân phối ngẫu nhiên (khơng sử dụng thuật tốn phân nhóm người dùng),

mMIMO-NOMA w/k-means cho hệ thống massive MIMO kết hợp với NOMA miền

mã sử dụng thuật toán K-means và mMIMO-NOMA w/k-medoids cho hệ thống

massive MIMO kết hợp với NOMA miền mã sử dụng thuật toán K-medoids Kết quả thu được cho các trường hợp mô phỏng cụ thể như sau:

a) Mạng gồm 1 cell sử dụng loại anten 64T64R, số lượng người dùng (UE) mỗi cell thay đổi trong khoảng [16,32,48,64] được phân thành các trường hợp:

• UE phân bố ngẫu nhiên xung quanh trạm thu phát (randomAngleCluster) là trường hợp thuê bao phân bố thông thường trong thực tế:

Với 2 group:

Hình 4.1: Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA với L=1, M=64, G=2 khi thay đổi số UE (K) phân bố ngẫu nhiên

Với 4 group:

Hình 4.2: Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA với L=1, M=64, G=4 khi thay đổi số UE (K) phân bố ngẫu nhiên

Với 8 group:

Hình 4.3: Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA với L=1, M=64, G=8 khi thay đổi số UE (K) phân bố ngẫu nhiên

UE phân bố tập trung vào 1 góc phần tư trong vùng phủ của cell (4ClusterAngleConstrainst). Đây là trường hợp trong thực tế khi thuê bao tập trung đông tại một khu vực sự kiện (khu vực lễ hôi, sân vận động, chung cư..)

Với 2 group:

Hình 4.4: Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA với L=1, M=64, G=2 khi thay đổi số UE (K) phân bố ở góc phần tư cell

Với 4 group:

Hình 4.5: Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA với L=1, M=64, G=4 khi thay đổi số UE (K) phân bố ở góc phần tư cell

Với 8 group:

Hình 4.6: Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA với L=1, M=64, G=8 khi thay đổi số UE (K) phân bố ở góc phần tư cell

b) Mạng gồm 1 cell có số lượng người dùng là 64 UE, ta thay đổi loại anten của cell với số lượng TxRx trong khoảng [16,64,100] được phân thành 8 nhóm UE cho 2 trường hợp phân bố người dùng. Kết quả thu được như sau:

• Với trường hợp UE phân bố ngẫu nhiên xung quanh trạm thu phát (randomAngleCluster)

Hình 4.7: Kết quả tổng hiệu suất phổ trung bình UL của hệ thống phân theo 8 group ngẫu nhiên trong mạng 1 cell có số anten thay đổi

• Với trường hợp UE phân bố tập trung vào 1 góc phần tư trong vùng phủ của cell (4ClusterAngleConstrainst)

Hình 4.8: Kết quả tổng hiệu suất phổ trung bình UL của hệ thống phân theo 8 group ở góc phần tư cell trong mạng 1 cell có số anten thay đổi

Một phần của tài liệu Ứng dụng machine learning trong việc tăng hiệu suất phổ hệ thống NOMA massive MIMO (Trang 58 - 62)

Tải bản đầy đủ (PDF)

(79 trang)